Knowledge-Action Gap: почему LLM проваливаются в динамических задачах

LLM проваливается в многошаговых диалогах, хотя блестяще решает статические тесты. GPT-4o, Claude, DeepSeek набирают 90-95% на экзаменационных вопросах, но падают до 50% в клинических сценариях из 5-7 шагов. Фишка: проблема не в знаниях — модель помнит факты. Проблема в том, что модель не задаёт критические вопросы (пассивно ждёт данных) и теряет контекст через 3-4 шага — забывает что спросила раньше, не синтезирует информацию в единую картину. Метод Multi-Step State Tracker решает это через явное разбиение задачи на этапы с промежуточной фиксацией состояния — модель выводит резюме после каждого блока, не дрейфует.